Bombaž kot pomembni gotovinski pridelki in bombažne tekstilne industrije surovine, s povečanjem gosto poseljenih območij, bombaž, žita in oljnih pridelkov je težava s konkurenco pri zemljiščih vedno bolj resna, uporaba bombažnega in žita lahko učinkovito ublaži nasprotje med gojenjem bombažnih in žitnih posevkov, ki lahko izboljšajo proizvodno zaščito pred proizvodnimi koristnostmi in tako lahko. Zato je zelo pomembno hitro in natančno spremljati rast bombaža v načinu prepletanja.
Multi-spectral and visible images of cotton at three fertility stages were acquired by UAV-mounted multi-spectral and RGB sensors, their spectral and image features were extracted, and combined with the height of cotton plants on the ground, the SPAD of cotton was estimated by voting regression integrated learning (VRE) and compared with three models, namely, Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR) in podporne regresije vektorskega stroja (SVR). . Ocenili smo natančnost ocenjevanja različnih ocenjevalnih modelov na relativni vsebnosti klorofila v bombažu in analizirali učinke različnih razmerij med bombažjem in sojo na rast bombaža, da bi zagotovili osnovo za izbiro razmerja med bombažjem med bombažjem in sojino in visoko predhodno ocenjevanje in visoko predhodno ocenjevanje in visoko predhodno ocenjevanje in visoko predhodno ocenjevanje.
V primerjavi z modeli RFR, GBR in SVR je model VRE pokazal najboljše ocene rezultatov pri ocenjevanju bombažnega SPAD. Na podlagi modela VRE ocenjevanja je imel model z večspektralnimi funkcijami slike, vidnimi značilnostmi slike in fuzijo rastline višine, saj so imeli vhodi najvišjo natančnost s testnim nizom R2, RMSE in RPD 0,916, 1,481 in 3,53.
Pokazalo se je, da fuzija podatkov z več viri v kombinaciji z algoritmom integracije glasovalne regresije zagotavlja novo in učinkovito metodo za oceno SPAD v bombažu.
Čas objave: dec-03-2024